IA - BON USAGE POUR LES MEMBRES DU FORUM

J'ai envie de vous partager le résultat d'une expérience. J'ai fourni à l'IA le fichier pdf de l'ouvrage 1940 une victoire éclair d'Éric van den Bergh. Ce fichier provient du web, trouvé au cours d'une recherche. Je n'en ai lu que quelques chapitres. Voici la question posée au modèle, le plus puissant du fournisseur de l'IA (Anthropic) :
Es-tu en mesure, à partir du livre joint, de déterminer le niveau de risque perçu par le commandement allemand le 10 mai, le 11, et ainsi de suite jusqu'au 31 mai ?

J'avais lu cette démarche, hier, brièvement, sur un coin du smartphone, sans avoir le temps d'y répondre (et encore moins de m'y pencher) puisque ayant rendez-vous avec des amis.

Mon premier réflex avait été de m'inquiéter de la pertinence de la démarche, notamment par la méthode :
. source unique pas forcément pertinente (une chronologie et non une étude de la perception du risque par le commandement) ;
. prise d'avis de l'IA plutôt que traitement factuel.

J'étais très sceptique et les limites méthodologiques posées par l'IA elle-même me rassurent (et me réjouissent, chapeau l'IA ! ) :

Bernard, c'est une question passionnante, et le livre de van den Bergh fournit effectivement un matériau riche pour y répondre — mais avec des limites méthodologiques qu'il faut poser d'emblée.
Ce que le livre permet de faire
Van den Bergh construit son récit de la campagne (5e partie, Livres X-XI) jour par jour, en s'appuyant systématiquement sur les journaux de marche de l'OKW (Jodl), l'OKH (Halder), des H.Gr A et B (Jacobsen, Dokumente), du groupement Kleist, de la 12e Armée et du XIX AK (SHAT). Ce croisement des sources permet effectivement de reconstituer l'état d'esprit du commandement allemand au fil des jours, avec des indicateurs assez précis : le vocabulaire utilisé (confiance, soucis, danger, peur, nervosité, tension), les divergences entre niveaux de commandement, et les décisions prises (avancer, couvrir, arrêter).
Ce que le livre ne permet pas tout à fait
Il faut être honnête : van den Bergh ne propose pas lui-même une échelle quantifiée du risque perçu. Son propos est avant tout de démontrer une thèse — que le Halt-Befehl du 24 mai découle de la faute du 17 mai (séparation de Kleist et de la 12e Armée), elle-même causée par la peur injustifiée de Hitler pour le flanc sud, confortée par Rundstedt. Le « niveau de risque perçu » est donc un produit de lecture que je reconstitue à partir de ses citations de sources, pas une catégorie analytique qu'il emploie.
De plus, le risque perçu n'est pas uniforme : il diffère radicalement selon l'acteur. Van den Bergh montre constamment un clivage entre Halder (optimiste, confiant, agressif), Hitler (nerveux, obsédé par le flanc sud), et Rundstedt/Sodenstern (prudents, amplificateurs du danger). La notion de « niveau de risque perçu par le commandement allemand » est donc nécessairement un composite.

Quelques observations clés :
La courbe rouge (Hitler/OKW) dessine deux pics nets — le 17-18 mai (paroxysme de la peur du flanc sud) et le 24-26 mai (Halt-Befehl devant Dunkerque).

Ces deux crises de commandement sont connues et bien documentées.
Leur mise en évidence par l'IA n'apporte rien de neuf.

Bonjour,

Je vous propose cette vidéo de 11 minutes : https://www.youtube.com/watch?v=UabBYex ... WL&index=1

Son sujet : est-ce que le RAG est toujours nécessaire ?

Pour répondre à cette question technique, l'intervenant, dans sa vidéo très professionnelle (vidéo de la compagnie IBM), décrit le fonctionnement des LLM. Personnellement j'ai activé les sous-titres natifs car je ne suis pas assez bon pour suivre complètement une présentation orale en anglais. Il y a peut-être des sous-titres en français générés automatiquement, je ne sais pas.

On peut distinguer quatre cas d'utilisation de l'IA :

1. utilisation du moteur seul : accès aux connaissances de l'IA jusqu'à sa date de fin d'entraînement ;
2. ajout de la recherche web : cas 1 + accès aux informations disponibles sur internet après recherche décidée par l'IA
3. ajout d'un document numérisé dans le contexte : cas 1 + accès au contenu du document - remarque : l'IA peut se charger de la numérisation préalable du texte ou de la "compréhension" d'une photo
4. ajout d'un grand volume de documents préalablement digérés au moyen du RAG : cas 1 + accès à la base de données documentaire

Les cas 3 et 4 ne fournissent pas un résultat équivalent comme l'indique la vidéo. Un des intérêts du cas 4 est qu'on peut le mettre en place chez soi car il n'a pas besoin d'un LLM puissant. En gros : plus le LLM est puissant, plus il faut de la mémoire, RAM ou graphique selon le type de l'ordinateur. Je suis en train d'expérimenter la configuration 4 sur mon ordinateur. Aucun coût en dehors de l'ordinateur et de la consommation électrique, pour un usage illimité.

Pour info j'ai pris une configuration large (24 Go de mémoire, 16 semble être le minimum). Bien sûr, j'ai utilisé l'IA pour m'assister dans mon projet. Voici un schéma qu'elle m'a proposé.

Bonjour,

Je vous propose cette vidéo de 11 minutes : https://www.youtube.com/watch?v=UabBYex ... WL&index=1

Son sujet : est-ce que le RAG est toujours nécessaire ?

Pour répondre à cette question technique, l'intervenant, dans sa vidéo très professionnelle (vidéo de la compagnie IBM), décrit le fonctionnement des LLM. Personnellement j'ai activé les sous-titres natifs car je ne suis pas assez bon pour suivre complètement une présentation orale en anglais. Il y a peut-être des sous-titres en français générés automatiquement, je ne sais pas.

On peut distinguer quatre cas d'utilisation de l'IA :

1. utilisation du moteur seul : accès aux connaissances de l'IA jusqu'à sa date de fin d'entraînement ;
2. ajout de la recherche web : cas 1 + accès aux informations disponibles sur internet après recherche décidée par l'IA
3. ajout d'un document numérisé dans le contexte : cas 1 + accès au contenu du document - remarque : l'IA peut se charger de la numérisation préalable du texte ou de la "compréhension" d'une photo
4. ajout d'un grand volume de documents préalablement digérés au moyen du RAG : cas 1 + accès à la base de données documentaire

Les cas 3 et 4 ne fournissent pas un résultat équivalent comme l'indique la vidéo. Un des intérêts du cas 4 est qu'on peut le mettre en place chez soi car il n'a pas besoin d'un LLM puissant. En gros : plus le LLM est puissant, plus il faut de la mémoire, RAM ou graphique selon le type de l'ordinateur. Je suis en train d'expérimenter la configuration 4 sur mon ordinateur. Aucun coût en dehors de l'ordinateur et de la consommation électrique, pour un usage illimité.

Pour info j'ai pris une configuration large (24 Go de mémoire, 16 semble être le minimum). Bien sûr, j'ai utilisé l'IA pour m'assister dans mon projet. Voici un schéma qu'elle m'a proposé.

Bonjour à tous,

Je pense que cette démarche est clairement la voie à suivre pour concilier la rigueur historique et les nouveaux outils numériques.

Le RAG (Retrieval-Augmented Generation) en local répond exactement aux craintes légitimes soulevées plus haut concernant les "hallucinations" de l'IA et les sources douteuses du web. En forçant le modèle à piocher uniquement dans un corpus de documents fermés (comme des PDF d'archives ou des ouvrages de référence), on transforme un simple générateur de texte bavard en un véritable assistant de recherche documentaire.

C'est un sujet technique particulièrement intéressant. Avoir une machine avec 24 Go de RAM permet effectivement de faire tourner de très beaux modèles en local pour ce genre de tâche, tout en garantissant la confidentialité totale de ses données et de ses recherches.

Bernard, par pure curiosité technique concernant ta configuration : quel outil utilises-tu pour faire l'interface entre ton modèle local et tes documents ? Es-tu parti sur une solution "clé en main" (type AnythingLLM ou GPT4All) ou as-tu monté un environnement sur mesure ?

Je note juste çà ...

Pour info j'ai pris une configuration large (24 Go de mémoire, 16 semble être le minimum). Bien sûr, j'ai utilisé l'IA pour m'assister dans mon projet. Voici un schéma qu'elle m'a proposé.

24 Go de mémoire impose l'emploi d'un processeur de toute dernière génération, ce qui implique, en oubliant le "PC Portable", dont les versions les plus performantes s'avèrent, toutes, elles, hors de prix, une tour PC fraichement "construite". Là, il y a deux solutions possibles, soit l'achat "plein pot" d'un PC "tour" performant de Gamer, soit un assemblage de composants réalisé par le propriétaire de la "tour PC", soit à l'aide de copains "pointus"!

En tablant sur une configuration "Gamer" performante, on s'embarque, actuellement, dans un budget d'achat d'une tour PC de l'ordre "1500 roros" voire bien plus... avec, à la clé, bien souvent, une "carence" de performances de certains de ses composants, justifiée par leur PVP (!), car le prix d'une tour de "gamer" super-pointue flirtouille actuellement avec 2000 roros, voire plus!

En montant sa propre tour, à l'aide de composants soigneusement sélectionnés, ce qui exige, déjà, pas mal de boulot ou d'aide, on peut effectivement espérer "économiser" 300 à 500 roros, notamment en commandant "à l'Export' ses différents éléments et en se "cognant" leur montage! Après, il y a un autre "détail", la nécessité d'acquérir, les "outils" Windows et autres, désormais, tous, tarifés! Sachant, au demeurant, que Microsoft s'est aussi démerdavée pour que sa licence Windows 11 devienne "locative" & trimestrielle, limitant d'autant les possibilités de "piratage"!

Je note juste çà ...

24 Go de mémoire impose l'emploi d'un processeur de toute dernière génération, ce qui implique, en oubliant le "PC Portable", dont les versions les plus performantes s'avèrent, toutes, elles, hors de prix, une tour PC fraichement "construite".

Bonsoir Loïc,

Dans mon cas le changement d'ordinateur était programmé. En temps normal, 16 Go de RAM auraient suffi (j'étais un peu pénalisé avec mes 8 Go). J'ai "profité" de l'occasion pour passer à 24 Go. Voir toutefois mon post suivant.

Au début des années 1980, j'écrivais des programmes professionnels en assembleur, qui tenaient sur 2 ko de mémoire morte et utilisaient 128 octets de RAM. Ah, l'inflation...

Bernard, par pure curiosité technique concernant ta configuration : quel outil utilises-tu pour faire l'interface entre ton modèle local et tes documents ? Es-tu parti sur une solution "clé en main" (type AnythingLLM ou GPT4All) ou as-tu monté un environnement sur mesure ?

J'ai effectivement mis en place Ollama, puis AnythingLLM et j'ai commencé à faire travailler un modèle sur un de mes fichiers, par simple téléchargement (pas de chaîne de pré-traitement RAG intégrée).

Et puis j'ai eu d'autres priorités et, comme j'ai un compte Pro pour lequel je paye chez Anthropic, je continue pour l'instant avec lui. Cela a un coût (qui, cumulé au bout de huit ans, doit être du même ordre que celui de mon ordinateur) mais c'est plus rapide et plus facile à mettre en œuvre. Je suis donc en ce moment en mode pause sur ce projet .

Par contre, je suis très content du résultat IA + fichiers. Je fais parfois du scan, souvent de l'OCR préalable (incluant le Fraktur des manuels D.Vh) et je donne ensuite à l'IA des fichiers qui peuvent être en allemand, en anglais ou en français. Ensuite je pose des questions, teste des hypothèses, etc. etc.

Bernard, par pure curiosité technique concernant ta configuration : quel outil utilises-tu pour faire l'interface entre ton modèle local et tes documents ? Es-tu parti sur une solution "clé en main" (type AnythingLLM ou GPT4All) ou as-tu monté un environnement sur mesure ?

J'ai effectivement mis en place Ollama, puis AnythingLLM et j'ai commencé à faire travailler un modèle sur un de mes fichiers, par simple téléchargement (pas de chaîne de pré-traitement RAG intégrée).

Et puis j'ai eu d'autres priorités et, comme j'ai un compte Pro pour lequel je paye chez Anthropic, je continue pour l'instant avec lui. Cela a un coût (qui, cumulé au bout de huit ans, doit être du même ordre que celui de mon ordinateur) mais c'est plus rapide et plus facile à mettre en œuvre. Je suis donc en ce moment en mode pause sur ce projet .

Par contre, je suis très content du résultat IA + fichiers. Je fais parfois du scan, souvent de l'OCR préalable (incluant le Fraktur des manuels D.Vh) et je donne ensuite à l'IA des fichiers qui peuvent être en allemand, en anglais ou en français. Ensuite je pose des questions, teste des hypothèses, etc. etc.

Je comprends totalement ! Ollama + AnythingLLM c'est génial pour garder la main sur ses données, mais on ne va pas se mentir, ça demande pas mal de bidouille et de temps d'optimisation.

Vu que tu as déjà un abonnement Pro chez Anthropic (Claude, j'imagine ?), tu as bien raison d'aller au plus simple. C'est de toute façon ce qui se fait de mieux en ce moment pour avaler de gros PDF et faire de l'analyse multilingue sans sourciller.

Et alors là, grand respect pour l'OCR sur la police Fraktur ! C'est la bête noire absolue de la numérisation... Arriver à en tirer un texte propre pour le donner à manger à l'IA, c'est un sacré boulot. Mais au final, tu as réussi à te créer un super assistant de recherche sur-mesure, qui se contente de croiser *tes* bonnes sources. Moi de mon côté je manipule ces outils d'optimisation tous les jours pour le web, mais l'usage que tu en fais pour sauvegarder la mémoire historique est bien plus noble...

Merci en tout cas pour ce retour, c'est super intéressant de voir comment vous arrivez à tordre ces outils tech modernes pour les mettre au service de l'Histoire !